복잡한 환경에서 쓰레기 검출 모델의 매개변수 수가 많고 오검출 및 미검출 문제가 있는 문제를 해결하기 위해, 본 논문에서는 개선된 YOLOv8n 기반의 경량 쓰레기 검출 모델을 제안한다. 먼저, 모델의 쓰레기 특성 영역 표현 능력을 향상시키고 모델 매개변수 수를 줄이기 위해 MobileNet V3_ECA 경량 네트워크 구조를 YOLOv8n의 백본으로 제안한다; 둘째, 백본 네트워크에 문맥 앵커 어텐션 메커니즘을 도입하여 모델의 쓰레기 특성 추출 능력을 강화한다; 그 다음, 넥 네트워크에서 표준 컨벌루션을 전차원 동적 컨벌루션으로 대체하여 지역 특징 맵을 세분화하고 쓰레기 지역의 세밀한 특징 융합 능력을 실현한다; 마지막으로, WIoU v3 경계 손실 함수를 사용하여 네트워크 경계 상자 회귀 성능을 향상시킨다. 자체 구축한 복잡한 배경의 쓰레기 데이터셋에서 모델 검증 실험을 수행한 결과, 개선된 모델은 원본 YOLOv8n에 비해 mAP@0.5가 1.1% 향상되었으며, 검출 속도 FPS는 11.7% 증가했고, 매개변수 수 Params, 모델 크기 Size 및 부동 연산량 FLOPs는 각각 70.8%, 66.1%, 70.7% 감소하였다. 실험 결과는 본 논문에서 개선된 모델이 검출 정확도를 효과적으로 향상시키고 모델 복잡도를 크게 줄일 수 있음을 보여 주며, 모델의 엣지 단말 검출 장비 배치 및 적용에 중요한 공학적 의의를 가진다.

쓰레기 검출;경량화;MobileNet V3_ECA;YOLOv8n;딥러닝